2022年3月25日，第八届中国电动汽车百人会论坛在线上正式召开，会期为3月25日-27日。围绕“迎接新能源汽车市场化发展新阶段”主题，开设14场会议，聚焦行业热点，探索发展趋势。

　　2022年3月27日，在高层论坛上，清华大学汽车安全与节能国家重点实验室副主任李哲发表了演讲，以下是演讲摘要：

　　李哲 清华大学汽车安全与节能国家重点实验室副主任

　　大家好!我是清华大学车辆学院的李哲。今天和大家分享的报告是“动力电池的先进设计技术以及在这一先进的设计技术的推动下动力电池产业的研发模式变革”。

　　这是今天的提纲。第一部分我们讲一下，动力电池的产品设计要完成什么样的任务。

　　电池性能的成因比较复杂，我们认为它满足以下的乘法公式，电池性能是材料发展水平、电池设计水平和制造水平的乘积。电池的性能是否唯一的和材料的性能划等号呢?我们看过去的150年，从铅酸电池发展到锂离子电池，那么电池的关键性能、能量密度大约提高了5—10倍。2000年以后，在单颗粒实验这样一些典型的电池实验技术的推动下，人们有了新的发现。

　　中间这张图，是Dokko教授在单个颗粒实验上进行的充放电实验，他发现单个钴酸锂颗粒，在126C下充放时，容量的保持率依然大于80%，同样是钴酸锂的正极材料，制成单体后它的大倍率的放电能力大约要下降1—2个数量级，大家都有概念，单体的放电倍率对于高能量电池来说一般在几C，甚至1C、2C。

　　有了好的设计以后，要想变成好的真实的电池产品性能，还必须有先进的电池制造设备和工艺的保障。因此，右面这张图反映了三者的关系，电池材料的发展水平，克容量、高电压的这种材料的出现，是电池性能的理论上限。那么好的电池设计的一个目标，就像我们去触摸天花板一样，通过好的设计，把热力学上储存在电池材料上的内部能量，到达截止电压之前，可以物尽其用的发挥出来，这是动力学上的一个成功。一旦电池设计定型以后，电池的制造，通过工艺的调试、好的设备不断发明，把这些的设计方案不折不扣的变成真实的产品。

　　中间蓝色部分的电池设计，它完成的一个主旨是，在既有的材料发展水平下，通过设计来改善电池的性能，这个性能是动力学上的性能。

　　那么电池产品的设计工作的一个典型任务大概如这张表所示。首先，在电池设计过程中有很多的设计变量，比如材料配方的变量，选什么样的主材、什么的助剂，它们之间有什么样的配比关系。微观结构的一些变量，比如材料的颗粒粒径如何分布、电极的涂布厚度、孔隙率或者说压实密度，包括电池内部大量存在的界面如集流体界面、颗粒界面等等。更大一点尺度上，还有形状尺寸的一些设计变量，还有构型之争一直是电池产业发展中一个非常受人关注的话题。近年来还有很多新的电池构型在不断地涌现，在确定的形状特点下，它的尺寸比例如何调整，极耳这样一些关键部件的位置如何调整等等。

　　非常众多的大概数十个设计变量，都是为了达到电池的性能需求，一般的我们对于电池至少有电性能的需求，如能量密度多少瓦时/千克，如功率密度在不同的持续放电时间下我们希望它能够达到多大功率值。除此之外还会有热性能的要求，电池在工作过程中的最高温度，最好控制在一定范围内，大型电池内部会发育出温差，这些温差也需要得到很好的控制。除了电和热的性能需求之外还有寿命的需求，我们希望它达到数千次、上万次的循环寿命，还有安全性的需求等。

　　那么电池产品设计的一个典型任务，就是在给定的一套性能需求下来确定这一揽子的设计变量。

　　在电池产品的设计过程中，设计方法一直随着时代在不断的发展进步。目前我们回顾以前、展望未来，大概可以讲电池产品的设计方法分为三代核心技术。它们分别是：长期以来动力电池产业中，无论是中国、还是欧洲新兴的动力电池产业中，都在大规模使用的实验试错方法，我们称之为第一代技术。那么目前第一代实验试错方法正在向第二代技术，我们称之为仿真驱动的正向设计技术。通过以仿真驱动的正向设计替代实验试错，我们可以讲单个型号、产品设计的效率大约提升2—5倍。那么未来5—10年以后，2025年、2030年，那么在这个阶段发生的一次关键的技术进步，是将仿真驱动的正向设计方法为基础，进一步向无人化的，这个无人化既包括全自动的含义、也包括智能化的含义，智能化全自动的电池产品设计方法进步，我们称之为电池产品设计的第三代技术。那么在第三代技术下，可以将单品开发的效率进一步提升10倍—100倍。这就是电池产品设计的三代的核心技术，以及从第一到第二目前正在发生的，和未来5—10年也将发生的，从第二代到第三代的技术跃迁。

　　那么以下三部分我们分别来看一下电池设计技术的过去、现在和未来。电池设计的传统技术，我们称之为实验试错法。什么叫试错呢?假如我们是一家电池企业，收到了一家车企的订单，根据车辆的比如续驶里程的要求、能量密度的要求、车底可以安置空间的要求、包括成本的要求，我们会设计出特定的电池型号，来完成这个订单的要求。大家知道，电池的可设计参数很多，每个参数都可能有不同的取值，这些取值的不同直接决定了电池的性能，比如更偏高能量型的，可以支持600公里、700公里、1000公里的续驶里程，还是更偏功率型的，比如混合动力汽车上使用的一些动力电池。

　　在很多个设计参数，每个参数有多个不同的水平取值的情况下，可以产生的电池设计方案是非常众多的，怎么办呢?企业会根据自己在之前这个产品开发中的一些原型经验，给出一些不同设计方案，在每个方案下再制造一些平行样品，把这些样品制造出来，然后投入到测试中去，去测它的电学性能、热学性能、寿命等等这样的一些关键的指标。这个测试结束以后数据都回来了怎么办呢?分析数据。就像赛马一样，可以明显地看出哪种设计方案最好，咱们就用这个设计方案来完成这个订单需求，如果这个最好的设计方案依然不满足要求怎么办呢?迭代，重新开始制样、测试的过程。

　　实验试错法在电池产品研发中事实上带来了大量的浪费，我们称之为四大主要浪费：时间的浪费，大家知道这个企业的CPD部门，完成型号设计，短则几个月，长的时候有时候甚至2年、甚至3年，时间非常长。第二步，物料的浪费，我们可以看到很多公开的企业年报中，在电池产品研发过程中使用的物料以数亿计。另外大家知道，制造了很多的样品开展测试，企业内部都有一个非常大的测试中心，可能会有上万个通道，充放电机、温箱这些都是“电老虎”，单机的功率可能在数个千瓦，所以在研发过程中还带来了电能的浪费，除了物料的浪费还有能源的浪费。最后，也是最宝贵的、也是最可惜的，是关于人力资源的浪费。中国电池企业研发队伍的人才数量和质量都越来越高，其中很多工程师的时间投入到了这种重复的型号设计的迭代过程中，制样、测试、分析数据、改善，在这个循环中浪费了大量的精力。

　　鉴于这四大主要浪费，我们在清华的团队致力于开发新的电池产品的研发方法。

　　那么目前我们正在做的一件事情，是以仿真驱动的正向设计来部分替代在实验试错过程中的大量的制样测试过程，我们称之为电池设计方法的第一次跃升。与实验试错方法制样测试的迭代不一样，仿真正向设计是一个什么样的思路呢?这四个字把它的主要思路说的很清楚，叫“未造先知”，叫Know Before Fabricate，没大规模的制样测试之前，能不能根据设计方案来预测出、猜测出它的性能表现呢。

　　一个典型的仿真正向设计的流程是下面这个图的样子。左端，我们输入一套设计参数，它里面含很多个，我们说可能是60个、70个或者更多的设计参数，包括我们前面讲的配方的、微观结构的、宏观结构的等等。在右端的输出，观察电池的性能，我们说有热的性能、电的性能、寿命的性能等等。如果输出的性能满足要求呢，那么我们输入的这套设计参数，可能就是我们最终的设计方案，如果不满足要求呢，我们回到左端、输入端，进一步输入新的设计参数，观看电池性能的提升。那么这个中间也有迭代，大家看到下面的这个箭头，调整设计参数，满足特定的性能需求，也有迭代，但是它采用的是一种我们称之为虚拟迭代的方法，来替代了实验试错法中制样测试带来四大浪费的迭代过程。

　　从仿真正向设计的这个下面的这个框图中大家可以看到，左端输入电池设计，右端得到电池性能，那么将这两者关联在一起的这个数量关系我们称之为电池的模型，可以用于设计的电池模型我们特定的将它称之为电池的构效关系模型，大家可以发现，高精度的电池构效关系模型是仿真驱动的电池正向设计方法的底层核心技术。

　　那么这是一个什么样的电池的构效关系模型呢?在这个构效关系模型里至少要涵盖两个核心的尺度，第一是电极的尺度，电池的正极材料、负极材料，包括其中的导电剂、黏结剂等各种各样的助剂，它们构成的多孔电极，这是一个第一个关键的尺度，它的特征尺寸是从单个颗粒，一直到整个电极单面涂层的厚度一般在百微米以下。

　　构效关系模型的第二个尺度是单体尺度，它比电极尺度要更大一点，有了好的正负极片以后，我们还要把它制成一个好的单体，单体尺度要解决一些特殊的问题，比如要选择什么样的构型，圆柱的、软包的、方壳的、长刀的、短刀的，构型上的创新，我们前面讲了，这些年一直很活跃。那么除了形状之外还有尺寸，确定的方壳长宽厚的比例，极耳或者极柱、极台的位置等等，都会进一步的决定电池的性能。

　　要完成这种仿真驱动的电池正向设计，事实上在清华团队我们一直在进行支撑仿真正向设计的四大核心技术的研究。

　　大家知道，从化学能到电能的能量转换器件有很多类型，比如目前在电动汽车领域大规模使用的动力电池，比如液态电解质的，还有固态电池，还有燃料电池，使用氢气的燃料电池，器件的发展一直不会停止。但是在这种化学能和电能转换的能量转换器件的设计过程中，存在着贯通不同器件的我们称之为平台性的技术要素，技术要素的研发是目前面向锂离子电池，将来可能面对更多新型的能量转换器件做产品开发的一个通用技术。

　　我们归纳能源器件设计的平台型技术要素，采用这种仿真正向方法的，至少包括以下四点：第一，是电池正负极核心材料本征动力学参数的测定，什么含义我们后面再讲。第二，是多物理场耦合的机理模型的构建。第三，是电极微观结构，微米尺寸的这种结构，自动化的、大批量的生成技术。第四部分，是数值计算的求解器的开发。

　　以下我们一样一样来看。

　　第一个技术要素，我们称之为电池正负极材料的本征动力学参数测定。这是什么含义呢?我们后面讲到第二大技术要素的时候，多场耦合的机理模型，大家会发现，在模型中存在着很多表征材料本征属性的参数。比如说，锂离子在一个典型的石墨颗粒中扩散速度有多快，这个扩散速度可能是嵌锂量的函数、温度的函数，但是它本质上是这种材料的固有属性，这种固有属性会作为电池构效关系建模中不可或缺的参数，带入到整个建模和电池产品设计过程中，所以说一个电池仿真驱动的正向设计方法的核心，在于建准构效关系模型。而建好模型的一个基本功，是要有精确的参数标定方法，有时候这种商用的仪器不够用，还要自己团队里来开发一些特殊的仪器，这也是我们在本征动力学参数上采用的一些方法。那么在这个领域我们正在建立电池正负极材料的本征动力学参数的一个数据库，开发了很多比如单颗粒电池这样一些新型的实验台，研究正极材料、负极材料包括一些关键的电解液的动力学过程的一些参数。

　　第二个技术要素，是多场耦合的机理模型的构建。什么是模型构建呢?在这个意义上我们更多指的是如何描述清楚，用一套偏微分方程，描述清楚电池内部发生的物理化学过程。什么是过程呢?我们进一步做了阐述，是指电池内部发生的行为和现象以及驱动这种行为的驱动力之间的关系，它的最终的参数是一套偏微分方程。大家可以看到下面这张图，是一个典型的电极的示意图，这里面有很多微观的结构，黄色的部分，大家可以看到这种大的，比如正负极材料固相颗粒球状的这种颗粒，黑色的这种小型的导电剂形成的电子通路，颗粒和电解质相联的这个表面处于的固液界面，这里面的孔大部分情况下我们认为充斥着电解液。

　　在这样一个多孔电极的环境中会发生很多现象，比如说有物质传输的过程，锂离子会发生输运、电子会发生导电，在固液相的界面处会发生电化学反应，脱锂和嵌锂为代表的氧化还原反应，有时候还有一些老化过程中人们不愿意让它发生的一些副反应，会减弱电池寿命的一些副反应，另外电池内部还会产热、还会传热、电池与外界环境还存在着热交换，以上这些所有的行为或者说现象，在我们这个第二个技术要素中都试图采用一套偏微分方程组来清晰的描述。

　　如果说第二个技术要素是数理上的工作，第三个技术要素更多是几何上的工作。大家知道电池的结构，我们以目前大规模使用的液态电解质的结构来看，它的电池的电极结构大部分是一个多孔结构，其中含有多种不同的固相材料，固相材料的间隙中还存在着孔，孔中还可能灌注着电解液，液相和固相分别构成了离子和电子这两类最重要载流子的通路，微观的几何结构受到加工过程中、设计过程中很多工艺的影响，比如涂多厚、压实密度多大、烘干的供需怎么样等等，微观结构的特点一定程度上决定了电池性能的特点。

　　在完成仿真驱动的正向设计时，我们要首先根据设计方案的不同，哪些设计方案呢?我们左上角这张表中，主材的类型、材料的配比、颗粒的形貌、粒径的分布、涂布的厚度、压实界面工艺等等这样一些设计参数，要快速地生成对应于这套设计参数的微观几何结构，而且它应该是自动化的，不是靠人去绘制，也是大批量的，因为在真正的仿真过程中，为了减少仿真结果的随机性，我们会含有大量数目的颗粒，以我们右上角的这个图来看，真正仿真过程中处理的长度可能是它的10倍以上，里面会含有至少数千个颗粒，因此这种几何结构的生成方法必须是自动化的、大批量的，而且是有效率的。

　　右上角是我们生成的一个典型的某一个电极的多孔的微观结构，事实上这个结构不是唯一的，它与很多关键假设，包括我们输入的设计参数是密切相关的。下面这些图大家可以看到，可以表征不同的粒径分布，D10、D50、D90，可以是两维的、也可以是三维的，单个颗粒可以是正球形的、也可以是椭球形的，甚至是片状的，它可以适配很多工艺，传统的涂布辊压烘干的这种工艺，包括现在干压的工艺，在正极它可以表征出单晶的结构，也可以表征出有些材料中使用的多晶结构等等。因此这种自动化大批量生成的电极结构，可以反映电池内部很多趋于真实的信息，比如颗粒不同的形貌、不同粒径分布的特点，助剂，导电剂、黏结剂真正的空间占位、孔隙分布的情况、压实密度的情况，包括电池内部非常丰富的界面上进行的各种各样的工艺处理等等。

　　最后一个技术要素，是数值求解器的开发。我们前面讲了，几何上我们得到了一个多孔的结构，里面的形状、结构非常复杂，代数上我们又得到了一套偏微分方程组，它可能首先具有高阶的模式，另外是个偏微分，边界条件很复杂，所以很难显示的采用解析的方法求解，把这套代数方程应用在这样一个复杂几何上怎么解呢?怎么得到数值的解决呢?一般情况下我们要采用数值求解的方式。我们的团队还在开发具有全自主知识产权的数值求解器，大家知道CAD、CAE领域的很多软件缺少大量的国产化的工具，一直被认为是我国工业软件发展中一个非常瓶颈的问题。在第四个技术要素中我们并不是要开发一款通用的CAE求解器，不是这个含义，而是要把我们面对比如锂离子电池设计问题产生的几何和代数可以采用自己全自主的求解器求解出来，它是一个垂直的适用于特定产业、特定产品的。

　　在以上四大技术要素的支撑下，我们可以高精度的得到电池内部很多信息的仿真结果，有些仿真结果是我们在实验室通过测试的方法可以方便得到的，比如这张图中，我们根据这个实验难度星数的从一到五，可以简单获得的比如电压、容量、功率，直流内阻、交流内阻，通过三电极或者半电池的方法把正负极的电位区分开;下面一排实验难度在快速的增加，比如大的电池，尺度很大、厚度很大，如何把整个内部的，包括封闭结构内部和外部的温度都能够采集出来呢，实验上有一定的困难，但是并不是不可行，仿真的结果可以告诉我们，温度在时、空两重维度下任意时间、电池内外任意位置的温度变化情况。后面我们加了五星的两张图，分别代表在任意时刻下，比如这张图是正极固相材料内部的锂离子浓度，右面这张图是电子电流密度场，大家知道，锂离子的浓度场和电子电流的密度场，这两个物理参数很难通过实验室测试的方法在满足一定的时间和空间分辨率的条件下精准的获得，因此仿真技术可以帮我们见到一些在实验中不容易见到的现象，从而更有可能揭示出电池内部发生的一些特定的机理，并把这种机理与找出设计瓶颈及如何进一步改进设计关联起来。

　　我们来具体看一下，这是一些有趣的仿真结果。锂离子浓度的仿真图，大家可以看到，这是一个负极石墨颗粒内部锂脱出的一个过程，通过这个动画大家可以看到，锂离子的浓度在大小不同的石墨颗粒中是如何逐步减小的。我们也可以发现，上面这张图是在放电末期，已经到了截止电压时，在负极颗粒内部的锂离子浓度分布情况，大家可以明显的看到，在那些较大的石墨颗粒内部残留有一定浓度的锂离子，这是一个典型的热力学和动力学的一个对比。在热力学上，材料内部，通过克容量看出已经包含了令人满意的这种热力学上的能量，储存在电池的关键的正负极材料中了，但是到达截止电压之前，我们也没有办法把其中锂离子较为充分的脱出来，这是一个动力学上的浪费，也反映了为什么我们前面讲电池的性能和材料性能不能划等号，因为好的电池性能是在动力学意义上的，它受到很多的比如SOC的范围、电压的范围，受到这样一些截止条件的限制，所以我们只能用其中可用的部分。

　　放大看我们电子电流的密度场，大家可以看的很清楚，颜色越深电子电流的密度越高，连接着颗粒与颗粒中间的导电剂构建的网络，起到了传输电子的非常关键的作用。

　　我们看下面这张图，负极颗粒在固液界面处固相电位和液相电位的差。做差有什么作用呢?大家知道，负极在快充的过程中大家最怕发生的一种现象称之为析锂，析锂是受到电位差控制的，当这个电位差击破零的时候理论上我们认为析锂现象就会发生。这张图可以告诉我们，在充电末期，如果是快充或者产生析锂这样的工况，析锂会优先发生在哪些负极颗粒表面呢?下面这张图看的很清楚，越蓝这个电位差越低，它优先发生在距离中间这层隔膜最近的这层负极颗粒的表面处，这样一些信息可以帮我们设计出耐快充、无析锂的安全性的电池。

　　上面都是一些典型的仿真结果。仿真为什么能知道设计呢?或者为什么第二代电池产品的研发技术是仿真驱动的正向设计呢?我们来看一个案例。这个案例来源于一个特定的设计需求，这个设计需求是，如果一款电池在1C条件下，能量密度显著偏低，能不能帮我们分析一下成因，应该如何改进一下这个设计呢?通过仿真的方法，左图，我们把这款电池在放电时刻过程中任意时刻的过电压，此时的端电压和该SOC下对应平衡电位的差我们把它提出来了，还把它进一步解析成了过电压的不同成份，哪一部分是比如说液相离子传输带来的、哪一部分是化学反应带来的、哪一部分是电子导电带来的，我们会发现在长达3000多秒的放电过程中，整个过电压的曲线，在大部分时间内都比较平稳，但是在接近放电截止的这个时刻，其中有橘色的一支、一种成份快速地抬升了，从而造成这款电池很早就击破了放电截止电压，热力学上有的能量没有办法动力学上用上来。抬头的成份是什么呢?我们看一下，这个是负极颗粒内部的扩散过程，它在放电截止时刻在整个过电压的组成中占有多大的角色呢?我们可以看一下这个柱状图和右面表的分析。放电截止时刻大概800多毫伏的过电压中，其中有755毫伏都来自于负极颗粒内部的离子传输。这说明什么呢?这说明如果能把这个抬头的橘色线压下去，这个电池就可以多放电一段时间，在1C条件下测定的能量密度就会高一点。什么样的设计因素可以有针对性的来降低负极颗粒内部的离子传输带来的过电位呢?有电池设计经验的听众会知道，在负极颗粒内部的扩散它与扩散距离密切相关，也就是说减小负极颗粒的粒径，比如说把D50调低一点，可以让负极内部的锂离子扩散过程更加顺畅。事实上，针对这样一种仿真分析的结果，我们给出的设计改进建议也是，要优先尝试减小负极石墨颗粒的D50，用户通过把D50下降，大概只下降了4个微米左右，可以显著地提升这款电池在1C条件下的能量密度。这样一个案例生动的解释了为什么仿真可以指导设计，这就是因为仿真将电池内部发生的一些实验上不可见的过程解析了，解析开了，掰开了，揉碎了，告诉我们这款电池为什么提前截止，如果要控制，如果要找到这个瓶颈，应该在设计上优先进行哪些工作。

　　上面这个分析跟我们前面看到的离子浓度图也是对应的，大家可以看到，截止时刻的离子浓度也可以证实这一点，大的颗粒，大的石墨负极颗粒，内部残存着较高的锂离子浓度，如果缩小D50，对于这部分的能量发挥是非常有效的。

　　好了。我们看了过去、再看了现在，目前中国的动力电池产业正在从实验试错法向仿真驱动的正向设计方法迈进的路上，通过仿真驱动提供的这种虚拟迭代能力，可以把实验试错法条件下的电池型号的开发过程大规模的加快，按照我们在产业的一些实践，在效率上至少有2—5倍的提升空间，在成本上至少也可以节约一半。

　　第四部分，我们来共同展望一下电池设计技术的未来，我们称之为智能化的全自动的设计方法。

　　从目前的仿真驱动的正向设计方法到智能化全自动，我们称之为第二次跃升。大家说现在的仿真设计方法还有什么不好吗?或者说还有好上加好的地方吗?是有的。哪一部分呢?就是上面这个框图中，这个逆向的箭头部分：调整设计参数以满足特定的性能需求。大家想一想，我们虽然用虚拟迭代替代了实验试错过程中大部分的制样测试，在仿真中输入一套设计变量，得到一套性能的估计，这个过程能不能一次完成一个型号设计呢?很难，为什么?刚开始说的这套设计变量的选取，当然有经验的成份，也会有一些随机性，性能很可能不满足要求，或者我希望这个性能能够好上加好，怎么办呢?仿真工程师会重新输入一套设计参数，观察这个性能的提升。在这个重新迭代的过程中，有大量的人工经验的判断在里面。首先它可能不是最快的，为什么呢?我们看这个右下图，因为人工驱动多次仿真有一个方向选择的问题，他可能找到的不是最快的路径，再所谓的寻优过程中会走弯路。另外他也不可能是最好的，人工多次迭代，仿真工程师也很辛苦，他有可能会停留在一个令人目前基本满意的性能结果上，或者说停留在一个局部最优点，这个人工的寻优过程就停下来了。

　　针对这种人工多次迭代仿真带来的浪费，和非最优的这样一种缺陷，我们进一步提出，如果将人工多次仿真与寻优的过程进一步地通过自动化的方法来替代，我们还有可能找到更好的更快的电池设计方法，这就是第三代智能化全自动的设计方法。

　　在智能化全自动的设计方法下我们其实开展了一些案例的研究，所谓案例还不是面向真实电池的设计问题，几十个变量可以调，可能关注十个以上的电池性能表现。在我们的案例研究中，我们大规模的缩小了输入和输出的量。这两张图是两个多目标优化的结果，一个是电极性能的设计结果，一个是单体尺寸的设计结果。大家可以看到左图，我们想设计一款能量密度和功率密度都比较好的电极，大家知道，高能量的电极和高功率的电极他们很多关键的设计参数可能是相反的，所以这里存在着能量密度和功率密度相平衡的问题。通过某些智能寻优的方法，我们把仿真过程中的构效关系模型上面的通路依然保留，但是下面这个迭代过程，不再是人来迭代了，用更聪明的算法来迭代。通过2500次迭代，就是大家可以认为经历了2500个不同设计方案的比较，我们发现其中有25个最优解，即这些红色的点，就是在整个能量密度和功率密度的二维坐标下最接近于右上角实现帕累托最优的解，这样2500个迭代过程的完成大概花了多久呢?在实验室条件下大约只有40多个小时，大家可以想想，如果通过仿真的这种方法，或者是更加早期的通过实验试错的方法，来比较2500个设计方案需要多长时间。

　　右图是一个单体结构的设计问题，在这个设计案例中我们要求或者我们希望这个电池工作过程的最高温度低一点、电池内部的温差也低一点，因此最优的设计方案一定是左下角的这些设计方案。大家可以看到，其中任何一个点都是一套设计方案，右图上比较了300组不同设计方案在最高温度和最大温差上的表现，发现红色的这些点，大概有20多个点，达到了帕累托的最优解，最接近于左下角，其中的每一个点在单体设计关键的形状、尺寸、长宽厚的比例上可能都各不相同，大家可以看到，不仅对于电极设计，对于单体的设计，这种全自动智能化方法的效率是非常惊人的。

　　这个效率极限能到多少呢?这是我们非常关心的一个问题，我们进一步针对效率极限开展了大规模的案例研究，我们看一下左上角的这些图。这是一个典型的高能量密度单目标的优化设计问题，我们发现开展10次平行的高能量密度的设计，平均完成一次设计大约需要2小时，这是在某一个特定的算法下，如果我们改变不同的算法，其中更快的一个算法，处理同一个问题可以把2小时进一步压缩到7分钟。有的设计工程师说，李老师，你这个设计问题很简单，可能只有1个输入或者2个输入或者3个输入，我们也在研究右上角这张图，当输入增加，1个输入、2个输入、3个输入，有一天40个输入，我们把配方、微观结构、工艺、宏观结构都拿进来的时候，这样一个智能化、自动化的设计过程它的效率是不是依然还OK，我们发现随着设计变量的增多，一个好消息是，整个全自动智能化电池设计方法的耗时没有发生随着设计变量的增多产生这种指数的、灾难的增长，它是一个线性增长的规律为主，初步的发现告诉我们，有可能把全自动智能化的设计方法移植到具有复杂的数十个可设计变量的真实的产品设计过程中。

　　进一步的，如何能够设计出这种效率最高的全自动智能化的设计方法呢?我们要做的一个基本公式，要把这种方法，比如我们花了6000秒完成了一个整体的设计过程，要把这6000秒花在什么问题上解析出来，下面这张图就是做这个事情，我们把算法的耗时环节分解出来了，其中包括很多的因素，比如我们说了上面构效关系的单次的计算过程依然保留着，单次，完成一次构效关系模型的这种机理模型的计算需要多久呢?完成这种进化式的算法大概需要算多少次上面的映射关系呢?我们称之为所需的仿真数量，到达算法收敛前这个代际进化要进化多少轮呢?我们有没有比较好的软硬件的配置，可以使得我们整个算法是可以并行的呢?这是四个基础的算法耗时环节的分解，通过这一分解过程我们会定义到耗时最长的这个部分有针对性的进一步把全自动智能化电池设计方法的效率提高到一个极限。一个基本的判断是，我们可以将实验试错法，目前通行的数月到数年的单型号设计周期压缩到数小时、数天或者数十天，电池产品研发的速度将有1—2个数量级的提升。

　　到此为止我们可以把三代电池设计技术的一些核心指标进行对比了，第一代实验试错法，第二代仿真驱动的正向设计方法，和第三代全自动智能化的电池产品设计方法，首先它们的周期不一样，开发成本逐渐降低，在技术创新上，越向后研发工作人员可以把更多的时间用在创新性的内容上，工作中的重复迭代的这个部分被压缩到了最小，另外后面我们还会看到，通过第二代、第三代电池设计方法的引入，可以为企业保留下来越来越丰富的知识库，这一知识库为提升团队的技术水平，包括快速的切入到新器件的先行研发非常有效。

　　最后一部分，我们来看一下电池设计技术的研发工作在电池产业内部的一些应用工作。

　　第一个应用，是从2012年、2013点，过去这十年，我们的团队为中国和欧洲的很多动力电池企业完成了型号设计，或者解决了型号设计中的一些特定的难点，比如这种超厚电极、超高能量密度的电池，用于一些深混构型的超高功率的这种电池，长寿命的电池，耐快充的、无析锂的高安全的电池，包括不光是乘用车和商用车，包括电动飞机使用的一些电池等等。

　　除了型号设计上的应用，清华大学的核心知识产权也孵化出了全球第一款电池设计的工业软件易来科得Electroder，大家可以知道，这个词是在电极Electrode单词后加了一个r，充分说明了电池设计对于器件的性能是多么关键。Electroder电池设计的工业软件可以支持市面上绝大部分的锂离子电池构型，在特定的构型下可以快速的帮助工程师试算出产品的BOM成本，完成基本工业中所需要图纸的出图。除了完成BOM、CAD这样一些输出之外，还有一个重要的核心功能，就是可以将满足这个BOM和CAD的虚拟电池带入到仿真流程中去，观察它的电、热、寿命、快充，包括我们刚才讲的离子浓度、电子电流密度，这样一些在实验中很难看到的这样一些物理现象。为了支持这一构效关系模型的求解，Electroder还内置了丰富的正极和负极材料的参数库，包括热力学参数、动力学参数等等。工业软件还提供了一些扩展功能，比如它除了可以模拟电池性能之外，还提供了非常简单的描述整车、路面环境、迎风面积、整备质量这样一些环境参数的模型，我们称之为它是一个简单的整车动力学模型，在这个整车动力学模型上可以把用户设计出的这个电芯，虚拟地装在这个车上，快速的试算出电池装上去以后这款车辆的续驶里程有多长。

　　右面是一个Electroder典型的页面，大家看看这个页面跟传统的仿真软件的页面不一样，首先它不需要大家安装本地的软硬件，它采用浏览器和专线就可以登录，不需要购买大规模的高性能计算的工作站，所有的输入都是流式的，非常简洁，不需要去处理像划网格、调整收敛这样一些专业仿真工程师才能够处理的一些问题。

　　我们前面讲了两个应用，一个型号设计，一个是工业软件的孵化。还有一件以工业软件的孵化为基础的，或者电池产业内部还在做的一件事情，就是随着电池产品开发技术的变化，事实上整个电池研发的模式也在发生着变革，这是我们提出的一个典型的电池研发模式的新的结构。大家可以看到，蓝色的这个流动的部分，是快速研发的整个流程，在这个流程中会用到我们刚才讲的很多技术，仿真驱动的正向设计，全自动智能化的研发等等。它会完成从产品的规划立项、指标分解、快速计算、性能仿真，A样、B样，试生产、定型、认证、量产的整个过程，帮助一个动力电池领域的一个企业或者是一个新来者，快速的拥有电池产品定义、设计和制造的能力。

　　其中绿色蓝色这些色块是针对某一个型号开发的一些具体的输出，有些是BOM成本核算、图纸，有些是进一步要流转到工艺部门去的一些工艺文档等等。灰色的是保证整个流程顺利进行的管理规程。其中更加重要的是我们前面讲到的，黄色框图的为企业留下了什么样的核心知识库，这样一种新型研发模式的变革会帮助企业建立几大关键知识库，并且每一个知识库的内容都在不断的增长，比如说在前端，我们有典型的材料库，电池常用的正极和负极包括一些助剂的材料，它们的热力学参数怎么样、动力学参数怎么样等等，机械件库，企业已有的很多原型可以数据化的保留下来，设计原型库、配方库。流动到市场之前我们还有工艺库，企业都在电池上积极探索过哪些新工艺，按照之前的经验这些工艺对产品性能的改进到底有什么好处，在试生产之前还有竞品对标的问题。往下走还有知识产权排雷的问题，大家知道动力电池产业内部的企业之间诉讼这些年来增长很快，所以一个新的型号大规模定型量产之前一定要完成这个我们叫FTO知识产权排雷的工作。另外在测试过程中还有生产和测试的工具库等等。最后这款电池量产结束了，我们还会积累出很多测试过程中的数据，包括制造过程中的数据，这些数据如何善用呢?大家知道测试数据和制作数据每时每刻都在电池产业内部、电池企业内部积累，越来越多，这些数据中一定是个宝库，一定有些信息，把这些信息提取出来，可以更好的提高企业的生产效率、提高良品率。在最后我们还提供了一个生产测试大数据分析，和制造过程大数据分析的一个算法库，这个算法库给出的主要结论如果可信，我们甚至可以进一步回馈到电池制造过程中的闭环的这种质量管理。

　　最后，在开设有车辆工程专业的全国的高等院校中，事实上我们还在做一件事情，大家知道对于电动化的汽车动力系统的发展下，可能很多车辆工程专业本科生教育的一些课程不再能够满足学生对知识的要求，比如说这个电池，燃料电池、混合动力构型、电化学知识等等这些新的知识，必须进入到本科生和研究生的教学过程中去。我们积极录制了很多类似的这种MOOC课程，不仅面向高校、也面向企业工程师开发，这是一门清华大学和同济大学两位老师合开的课，“车用动力电池从单体到系统”，也在我们的MOOC平台中公开的、免费的面向社会去讲述电池相关的设计和管理方面的知识。

　　最后，面向我刚才讲的第三代技术，智能化全自动的电池产品研发我们还在做一件事情，我们在持续征集愿意参与这样的一个我们目前称之为科学实验的合作的电池生产企业，为什么称之为科学实验呢?一方面前面展示了很多案例都是非针对于电池真实的产品型号，另外，这种真实的产品型号的过程中效率极限到底能达到多少，这件事情还需要高校的智力资源，和电池企业在型号设计上的经验，包括一些原型的数据合作，来共同地探索。因此，目前我们与国内的几家主流的动力电池企业正在做，当然我们这个项目还在公开的召集，目前还是开放的，来合作完成中国动力电池产业中第一次无人化的、自动化的、智能化的大规模型号设计实验，实验结束后我们会出一个相信非常有趣的实验报告，向大家汇报这种无人化的、智能化的型号设计方法在真正的产品研发过程中走不走得通，这个极限效率到底如何。

　　好的，以上是今天和大家分享报告的全部内容。谢谢大家!